ABSTRAKSI: Klasifikasi dan asosiasi merupakan dua teknik yang banyak digunakan pada data mining. Klasifikasi dalam data mining bertujuan untuk menghasilkan sekumpulan rule (classifier) dari suatu data sedangkan asosiasi bertujuan untuk menemukan semua rule asosiasi yang terdapat pada data. Oleh karena itu, pengintegrasian antara klasifikasi dan asosiasi dapat menghasilkan rule classifier yang lebih akurat.
Dalam Tugas Akhir ini diimplementasikan CPAR (Classification Based on Predictive Association Rules) sebagai teknik yang mengintegrasikan klasifikasi dan asosiasi (associative classification), dimana pengintegrasian menggunakan algoritma greedy untuk menghasilkan rule classifier yang asosiatif dan prediktif. CPAR memiliki dua tahap utama yaitu rule generation untuk menghasilkan rule classifier dan prediction using rules untuk evaluasi rule dan melakukan prediksi.
Dengan adanya teknik CPAR dalam menghasilkan classifier, performansi dari classifier diharapkan menjadi lebih baik daripada teknik klasifikasi pada umumnya. Performansi diukur dari tingkat akurasi yang dihasilkan. Melalui perbandingan dengan tool data mining Weka, dapat dibuktikan bahwa CPAR mempunyai akurasi yang lebih baik dibanding dengan teknik klasifikasi seperti C4.5.
Kata Kunci : klasifikasi, asosiasi, rule, classifier, CPAR.ABSTRACT: Classification and association represent two techniques which are widely used in data mining. Classification of data mining aims to generate a set of rules (classifier) from data while association aims to find all association rules of data. Therefore, the integration between classification and association can yield more accurate rule classifier.
In this final project, there is implementation CPAR (Classification Based on Predictive Association Rules) as a technique that integrates both classification and association (associative classification), where this integration uses greedy algorithm to generate classifier rules are associative and predictive. CPAR has two major tasks that is rule generation to generate classifier rules and prediction using rules to evaluate rule and make prediction.
With the existence of CPAR technique in yielding classifier, it is expected that the performance of classifier will be better than common classification technique. This performance is measured from yielding accuracy. Through comparison with data mining tool is Weka, this comparison improve that CPAR has better accuracy compared with classification techniques such as C4.5.
Keyword: classification, association, rule, classifier, CPAR.